Dairy intake and risk of hip fracture in prospective cohort studies: non-linear algorithmic dose-response analysis in 486 950 adults
Notice bibliographique
Résumé
Abstract Previous studies on the relationship between dairy consumption and hip fracture risk have reported inconsistent findings. Therefore, we aimed to conduct an algorithmically driven non-linear dose-response meta-analysis of studies assessing dairy intake and risk of developing incident hip fracture. Meta-analysis from PubMed and Google Scholar searches for articles of prospective studies of dairy intake and risk of hip fracture, supplemented by additional detailed data provided by authors. Meta-regression derived dose-response relative risks, with comprehensive algorithm-driven dose assessment across the entire dairy consumption spectrum for non-linear associations. Review of studies published in English from 1946 through December 2021. A search yielded 13 studies, with 486 950 adults and 15 320 fractures. Non-linear dose models were found to be empirically superior to a linear explanation for the effects of milk. Milk consumption was associated with incrementally higher risk of hip fractures up to an intake of 400 g/d, with a 7 % higher risk of hip fracture per 200 g/d of milk (RR 1⋅07, 95 % CI 1⋅05, 1⋅10; P < 0⋅0001), peaking with 15 % higher risk (RR 1⋅15, 95 % CI 1⋅09, 1⋅21, P < 0⋅0001) at 400 g/d versus 0 g/d. Although there is a dose-risk attenuation above 400 g/d, milk consumption nevertheless continued to exhibit elevated risk of hip fracture, compared to zero intake, up to 750 g/d. Meanwhile, the analysis of five cohort studies of yoghurt intake per 250 g/d found a linear inverse association with fracture risk (RR 0⋅85, 95 % CI 0⋅82, 0⋅89), as did the five studies of cheese intake per 43 g/d (~1 serving/day) (RR 0⋅81, 95 % CI 0⋅72, 0⋅92); these studies did not control for socioeconomic status. However, no apparent association between total dairy intake and hip fracture (RR per 250 g/d of total dairy = 0⋅97, 95 % CI 0⋅93, 1⋅004; P = 0⋅079). There were both non-linear effects and overall elevated risk of hip fracture associated with greater milk intake, while lower risks of hip fracture were reported for higher yoghurt and cheese intakes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».